周 柏 清

(湖州職業(yè)技術(shù)學(xué)院 機(jī)電工程分院, 浙江 湖州 313000)

在紡織印染產(chǎn)品的生產(chǎn)中，布面瑕疵是影響布匹質(zhì)量的重要因素之一，布匹表面瑕疵檢驗(yàn)是布匹生產(chǎn)的重要環(huán)節(jié)。到目前為止，布匹瑕疵的檢驗(yàn)一般是由人眼來(lái)完成的。其具體的檢驗(yàn)過(guò)程如下：在一定燈光照明條件下，工人控制布匹的轉(zhuǎn)動(dòng)，用肉眼掃描檢驗(yàn)臺(tái)范圍內(nèi)的布匹，如果發(fā)現(xiàn)瑕疵則停止轉(zhuǎn)動(dòng)布匹，判斷瑕疵的類型并在相應(yīng)的位置打上標(biāo)記，同時(shí)在報(bào)告單上記錄瑕疵的其它信息，然后繼續(xù)布匹的轉(zhuǎn)動(dòng)。待一卷布檢查完后，工人就可以根據(jù)報(bào)告單上的統(tǒng)計(jì)結(jié)果，對(duì)布匹的級(jí)別做出粗略的評(píng)價(jià)，最后根據(jù)布匹上標(biāo)記的位置和類型，對(duì)出現(xiàn)瑕疵的布匹進(jìn)行處理。這種方法自動(dòng)化程度太低。人工的檢測(cè)速度一般是15-20米/分，在這種速度下，一個(gè)檢測(cè)人員只能完成寬幅為0.8-1米的布匹的檢驗(yàn)，布匹的檢驗(yàn)和整理已然成為整個(gè)生產(chǎn)過(guò)程的瓶頸；人工檢測(cè)嚴(yán)重地依賴于驗(yàn)布人員的經(jīng)驗(yàn)、熟練程度及別的一些主觀因素，再加上工作時(shí)間一長(zhǎng)，眼睛容易疲勞，尤其是一些具有三維圖案的布匹，眼睛容易發(fā)花，因而常會(huì)出現(xiàn)誤檢和漏檢。據(jù)測(cè)試，即便是最熟練的驗(yàn)布工人也只能發(fā)現(xiàn)70 %左右的瑕疵點(diǎn)[1]。

由此可見(jiàn)，傳統(tǒng)的人工瑕疵檢測(cè)方法勞動(dòng)強(qiáng)度高，漏檢率和誤檢率高，且易受主觀因素的影響，因而急需一種新穎、快速、檢出率高的布匹瑕疵檢測(cè)技術(shù)來(lái)替代人工檢驗(yàn)工作。

1 機(jī)器視覺(jué)技術(shù)在布匹瑕疵檢測(cè)中的應(yīng)用狀況

隨著數(shù)字集成技術(shù)和圖像處理技術(shù)的快速發(fā)展，機(jī)器視覺(jué)技術(shù)在工業(yè)產(chǎn)品表面檢測(cè)領(lǐng)域中的應(yīng)用越來(lái)越廣泛，基于機(jī)器視覺(jué)的驗(yàn)布技術(shù)將成為紡織領(lǐng)域必然的發(fā)展趨勢(shì)。機(jī)器視覺(jué)能夠不知疲倦、始終如一地觀測(cè)布匹，并且這種觀測(cè)是非接觸式的，不會(huì)對(duì)布匹造成損害?；跈C(jī)器視覺(jué)技術(shù)的布匹檢測(cè)系統(tǒng)結(jié)構(gòu)圖如圖1所示。

圖1 布匹檢測(cè)系統(tǒng)結(jié)構(gòu)圖

當(dāng)前,國(guó)內(nèi)外將機(jī)器視覺(jué)技術(shù)應(yīng)用于布匹檢測(cè)疵點(diǎn)最常見(jiàn)的方法有：灰度統(tǒng)計(jì)特征分析法、功率譜匹配法和形態(tài)學(xué)運(yùn)算分析法[1][2]。

在灰度統(tǒng)計(jì)特征分析法中，應(yīng)先計(jì)算出標(biāo)準(zhǔn)的無(wú)疵點(diǎn)布匹圖像的自相關(guān)函數(shù)，根據(jù)該自相關(guān)函數(shù)求得布匹紋理基元模板的尺寸，即為該布匹圖像上的滑動(dòng)窗口，也即子窗口。然后計(jì)算出每個(gè)子窗口的像素點(diǎn)的平均灰度，求其μ的大小(平均灰度的平均值)和σ的大小(標(biāo)準(zhǔn)差值)，最后根據(jù)公式Τ=μ+Ζσ(其中Ζ為疵點(diǎn)檢測(cè)的嚴(yán)格系數(shù))求出判斷閾值。實(shí)際檢測(cè)中，則需要輪流計(jì)算待檢布匹圖像的所有子窗口的像素點(diǎn)的平均灰度，并將該灰度值與前面所求得的判斷閾值進(jìn)行比較，即可判斷出該窗口是否帶有瑕疵，這樣，整幅布匹的圖像到底有無(wú)疵點(diǎn)就可以做出判斷了。

在功率譜匹配法中，需要先應(yīng)用計(jì)算機(jī)軟件對(duì)布匹的圖像進(jìn)行FFT變換(光學(xué)傅里葉變換)，經(jīng)兩點(diǎn)FFT計(jì)算出圖像的頻域功率譜，計(jì)算出較多的布匹圖像的特征參量(不同參量的變化表示了不同的疵點(diǎn)類型)，最后通過(guò)訓(xùn)練BP神經(jīng)網(wǎng)絡(luò)進(jìn)行疵點(diǎn)布匹的檢測(cè)和分類。

在形態(tài)學(xué)運(yùn)算分析法中，也應(yīng)先計(jì)算出標(biāo)準(zhǔn)的無(wú)疵點(diǎn)布匹圖像的自相關(guān)函數(shù)，根據(jù)該自相關(guān)函數(shù)求得布匹紋理基元模板的大小，然后再計(jì)算出有疵點(diǎn)布匹圖像像素點(diǎn)的灰度平均值和標(biāo)準(zhǔn)偏差，布匹圖像疵點(diǎn)區(qū)域與非疵點(diǎn)區(qū)域的判定閾值即可根據(jù)以上所求的參數(shù)來(lái)確定。實(shí)際檢測(cè)時(shí)，需要先將待檢布匹圖像的像素點(diǎn)與該判別閾值進(jìn)行逐點(diǎn)比較，再對(duì)該待檢布匹的圖像進(jìn)行二值化，然后組合應(yīng)用形態(tài)運(yùn)算中的膨脹運(yùn)算和腐蝕運(yùn)算，來(lái)判定待檢布匹是否帶有疵點(diǎn)[3]。

以上所述的三種方法中，形態(tài)運(yùn)算分析法作為一種非線性濾波方法，能夠快速判定布匹疵點(diǎn)的類別，并且對(duì)較小尺寸的疵點(diǎn)具有較強(qiáng)的檢測(cè)能力。因而，在要求不漏檢各種疵點(diǎn)的場(chǎng)合下應(yīng)優(yōu)先考慮使用形態(tài)運(yùn)算分析法。

2 實(shí)驗(yàn)結(jié)果與分析

2.1 形態(tài)學(xué)算子

數(shù)學(xué)形態(tài)學(xué)是一門(mén)以集合論概念為基礎(chǔ)，通過(guò)選取合適的結(jié)構(gòu)元素來(lái)實(shí)現(xiàn)目標(biāo)特征提取的學(xué)科，是一種非線性圖像處理的重要方法。最基本的算子為二值形態(tài)學(xué)算子，以二值圖像為輸入圖像。由于二值形態(tài)學(xué)算子在實(shí)際應(yīng)用中具有簡(jiǎn)單、快速的特點(diǎn)，因此形態(tài)學(xué)方法在圖像處理領(lǐng)域中有廣泛的應(yīng)用。

2.2 圖像預(yù)處理

由CCD相機(jī)所采集到的圖像，由于光照不均勻和各相機(jī)曝光時(shí)間不統(tǒng)一等因素，會(huì)導(dǎo)致圖像的灰度不一致。在預(yù)處理階段，可使用灰度均衡來(lái)消除該問(wèn)題，同時(shí)也可加強(qiáng)圖像的特征，為進(jìn)一步的圖像分析做準(zhǔn)備。

2.3 瑕疵檢測(cè)

瑕疵檢測(cè)是完成對(duì)布匹圖像上瑕疵的檢測(cè)，找出瑕疵并定位。研究瑕疵檢測(cè)算法主要是針對(duì)256×256的標(biāo)準(zhǔn)子圖像進(jìn)行分析的，而最終的瑕疵檢測(cè)程序則調(diào)用該算法進(jìn)行具體檢測(cè)。所以瑕疵檢測(cè)程序首先要把采集的原始圖像進(jìn)行分塊，然后分別對(duì)各個(gè)小塊進(jìn)行瑕疵檢測(cè)。具體思路是：閾值處理這些圖像以得到二值圖像，由已知的無(wú)疵點(diǎn)布匹圖像得到結(jié)構(gòu)元素，運(yùn)用無(wú)疵點(diǎn)圖像的結(jié)構(gòu)元素對(duì)二值化的待檢圖像進(jìn)行膨脹和腐蝕運(yùn)算。

常見(jiàn)的瑕疵有三類：面狀瑕疵、線狀瑕疵和點(diǎn)狀瑕疵。實(shí)驗(yàn)中選取了一組有代表性的面狀瑕疵圖片：霉斑瑕疵、破洞瑕疵、跳花瑕疵。面狀瑕疵的幾種典型瑕疵及其檢測(cè)結(jié)果見(jiàn)圖2所示。

(a) 霉斑瑕疵及其檢測(cè)結(jié)果 (b)破洞瑕疵及其檢測(cè)結(jié)果 (c) 跳花瑕疵及其檢測(cè)結(jié)果

2.4 分析

形態(tài)學(xué)運(yùn)算最大的優(yōu)點(diǎn)是能夠?yàn)V除噪聲點(diǎn)，且能夠?yàn)V除尺寸小于規(guī)定大小的區(qū)域，而且形態(tài)學(xué)運(yùn)算一般都針對(duì)二值圖像，因而運(yùn)算簡(jiǎn)單且實(shí)時(shí)性強(qiáng)。但由于形態(tài)處理法要對(duì)圖像像素點(diǎn)進(jìn)行逐點(diǎn)二值化，故受噪聲的影響較大，通常會(huì)把噪聲誤認(rèn)為疵點(diǎn)，從而引起錯(cuò)檢。因此，在進(jìn)行形態(tài)處理前如何有效地濾除噪聲，是能否在瑕疵檢測(cè)中既能夠檢測(cè)到各類瑕疵又具有較低誤檢率的關(guān)鍵。

3 總結(jié)與展望

本文探討了CCD相機(jī)結(jié)合機(jī)器視覺(jué)技術(shù)應(yīng)用于布匹瑕疵檢測(cè)的技術(shù)方法，并討論了如何從CCD相機(jī)采集到的圖像中提取特征值等關(guān)鍵問(wèn)題，取得了一定的成果。與傳統(tǒng)的人工檢測(cè)方法相比，以機(jī)器視覺(jué)來(lái)代替人工視覺(jué)能夠提高布匹瑕疵的檢測(cè)速度，減少企業(yè)的勞動(dòng)成本，提高企業(yè)的競(jìng)爭(zhēng)力。

布匹瑕疵檢測(cè)系統(tǒng)是一個(gè)相當(dāng)復(fù)雜的系統(tǒng)，盡管本文取得了一定的研究成果，希望今后能在現(xiàn)有的研究基礎(chǔ)上，采用改進(jìn)的算法對(duì)該課題進(jìn)行后續(xù)的研究，如：疵點(diǎn)分類和疵點(diǎn)分割等，以建成一個(gè)相對(duì)完整的基于機(jī)器視覺(jué)的布匹瑕疵檢測(cè)系統(tǒng)，并將該系統(tǒng)盡快地應(yīng)用到工業(yè)現(xiàn)場(chǎng)。

參考文獻(xiàn)：

[1] 鄒 超.布匹疵點(diǎn)在線檢測(cè)系統(tǒng)研究[D].華中科技大學(xué)博士學(xué)位論文,2009:1.

[2] Mallick-Goswami B, Datta A. Detecting defects in fabric with laser-based morphological image processing[J]. Journal of Textile Research,2000,70(9):758.

[3] Rafael C.Gonzalez, Richard E.Woods, Steven L.Eddins(阮秋琦,譯).數(shù)字圖像處理(MATLAB版)[M].北京:電子工業(yè)出版社,2007:252.

[4] 張鐵壁，趙可新，孫士尉.印刷電路板瑕疵在線實(shí)時(shí)檢測(cè)方法的研究[J].河北工業(yè)大學(xué)學(xué)報(bào),2009,(8):36.

[5] Henri Maitre(孫 洪,譯).現(xiàn)代數(shù)字圖像處理[M].北京:電子工業(yè)出版社,2006:75.